AI를 활용한 예산·결산심사

지방의회가 예산·결산을 인공지능으로 분석할 때의 핵심은, (가) 방대한 자료를 ‘구조화’하고 (나) 위험 신호를 ‘탐지’하며 (다) 질의·대안을 ‘문서화’하는 것입니다. 공공재정(PFM) 영역에서도 고도분석(머신러닝·예측·경보) 기능을 결합해 의사결정을 지원하는 방향이 권고되고 있습니다.

​

첫째, AI로 “자료를 읽을 수 있는 형태”로 바꿉니다(구조화)

​

예산·결산은 PDF/책자 형태가 많아, AI가 잘 분석하려면 표준 데이터 틀로 먼저 정리해야 합니다.

• 필수 입력(최소): 회계/부서/정책·단위·세부사업/예산액/집행액/불용액/이월액/보조금 여부/계약(가능 시)/성과지표/성과결과

• 기본 파생지표(자동 계산)

  • 집행률 = 집행액 ÷ 예산액

  • 불용률 = 불용액 ÷ 예산액

  • 이월률 = 이월액 ÷ 예산액

  • 전년 대비 증감률 = (금년 예산−전년 예산) ÷ 전년 예산

이 단계가 끝나면, 이후 AI 분석은 “요약”이 아니라 검증 가능한 비교·탐지로 넘어갈 수 있습니다.

​

둘째, AI로 “위험 신호(쟁점 후보)”를 자동 추출합니다(탐지)

 

구조화된 데이터에 대해 AI가 잘 잡아내는 대표 패턴은 아래와 같습니다.

• 관성 증액: 성과·수요 근거가 약한데 예산이 반복적으로 증가

• 이월·불용 반복: 같은 사업에서 이월/불용이 2~3년 연속 높음(계획·집행 역량 문제 가능)

• 집행 쏠림: 연말에 집행이 급증(정상 집행인지, 급한 집행인지 확인 필요)

• 단가 이상치: 유사 사업 대비 단가가 과도(물가/지역특성/규격 차이 등 설명 요구)

• 성과지표 부실: 목표가 모호하거나 산출만 있고 성과가 없는 지표

• 유사·중복 사업: 부서 간 유사 사업이 병렬로 편성

이런 “경보형 분석”은 공공부문 AI 활용에서 자주 언급되는 리스크 관리·부정·비효율 탐지와 맞닿아 있습니다. 

​

셋째, AI로 “비교·벤치마킹”을 합니다(설명 가능한 근거 만들기)

 

지방의회 심사에서 강력한 무기는 비교입니다.

• 전년 대비(시계열): 같은 사업의 3개년 추이를 AI가 요약 → “왜 늘었는가/왜 못 썼는가” 질문으로 연결

• 부서 간 비교(횡단): 같은 유형 사업을 부서별로 비교 → 집행률·단가·성과 차이를 한 장으로 정리

• 유사 지자체 비교(외부): 가능한 공개자료(유사 지자체 사업·단가·집행 패턴)를 붙여 “설명 책임”을 강화

※ 비교 결과는 “AI가 결론”을 내리게 하기보다, 의원이 질문할 근거를 더 촘촘히 만드는 방식이 안전합니다.

​

넷째, AI로 “질의서·요구자료·환류 문장”을 표준화합니다(산출물)

​

AI의 가장 큰 효용은 결국 문서 생산성입니다. 예산·결산에서 바로 쓰이는 산출물은 다음과 같습니다.

• 예산심사 질의서(사업별 5문 5답): 목적–수요–단가–성과–대안 순서

• 요구자료 템플릿: “기간/범위/형식(엑셀 원자료)/산출 기준/근거 규정”을 표준문장으로

• 조건부 증액·삭감 메모: “증액 조건(성과지표 개선, 집행계획 제출 등)”

• 결산 환류(개선권고/시정요구) 초안: 이월·불용 원인별 재발방지 조치, 다음연도 예산 반영 포인트

IMF의 디지털 PFM 가이드도 역할별 자동 분석·보고·알림 기능의 필요성을 언급합니다.

​

다섯째, 도구를 이렇게 나눠 쓰면 효율이 올라갑니다

​

• NotebookLM: 예산서·결산서·성과보고서·업무보고 PDF를 넣고 “근거 기반 요약/쟁점 묶음(브리핑 노트)” 만들기

• ChatGPT: 질의서/요구자료/검토메모/환류 문장 “초안” 만들기 + 반론 시나리오 점검

• Gemini: 사업 재구조화 아이디어, 주민 설명자료(FAQ/보도자료/카드뉴스) 구성

​

여섯째, 공공부문에서는 “안전장치”가 성패를 가릅니다

​

생성형 AI를 예산·결산에 쓰실 때는 반드시 통제·책임·투명성 기준을 함께 두는 것이 좋습니다.

• 비공개·개인정보 입력 금지(또는 비식별/요약/마스킹 후 사용)

• 근거 확인 3단계: 원문→수치 재검증→관련 규정 확인

• AI 결과는 ‘의견’이 아니라 ‘질문 후보’로 취급(환각/오류 대비)